CN108090852A - 基础教育中学情数据分析及自适应解决方案生成系统 - Google Patents
基础教育中学情数据分析及自适应解决方案生成系统 Download PDFInfo
- Publication number
- CN108090852A CN108090852A CN201611035075.9A CN201611035075A CN108090852A CN 108090852 A CN108090852 A CN 108090852A CN 201611035075 A CN201611035075 A CN 201611035075A CN 108090852 A CN108090852 A CN 108090852A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- student
- point
- data
- knowledge point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000013075 data extraction Methods 0.000 claims abstract description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 claims 1
- 230000019771 cognition Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract 1
- 238000013499 data model Methods 0.000 abstract 1
- 230000008676 import Effects 0.000 abstract 1
- 238000012549 training Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 3
- 208000031968 Cadaver Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
“基础教育中学情数据分析及自适应解决方案生成系统”属于教育信息化技术领域,公开了一种对学生学习数据进行加工的系统。包括数据提取模块,用于获取学生学习数据,并结构化处理;数据加工与问题呈现模块,导入数据模型输出为学情分析报告,多层面诊断学生知识掌握情况,其中结合了题目难度、知识点关联关系、随机性认知误差等多方面因素。问题解决模块:根据学情分析报告中对学生知识认知中发现的问题,自适应解决方案生成,包括个性化试卷、微课视频,及模块化教研课程。通过这种方式,可以实现学校老师无法顾及每个学生、家长只了解孩子分数和排名的现实问题,使学生知识掌握情况显性化,使学校与家长介入学生学习过程,提高学生学习效率。
Description
技术领域
本发明属于教育信息化技术领域,更具体说,涉及学生学习数据的采集与分析,从获取数据到分析数据,从发现问题到解决问题的学习系统。
背景技术
1.现有技术的方案简述:
现有技术是基于学校考试网上阅卷系统的成绩分析,所获取的数据只有学生的小题分,因此上所得出来的分析数据只能是分数的统计,比如区分度、难度、错题比例,更进一步是基于OCR技术所生成的错题本。从本质上来说属于教学管理,对教学实施和改进缺少直接的促进作用。
对日常课堂教学来说,学校老师因为班级人数多,无暇对每个学生做到个性化学情诊断分析。造成课堂教学实施效果差,个性化学习需求无法得到满足,因材施教无法落实。
近年来也出现了一些在线训练的网站与手机应用,但仅限于使用它们已有的试卷,首先因为破坏了纸笔学习的习惯,其次对数学公式、理化单位等输入不够友好,因此普及性不高。
2.现有技术的客观缺点:
针对上述在线教育与传统教学结合出现的种种问题,本发明提出一种基于纸网结合的解决方案。通过提取学校日常考试和作业,进行结构化处理,然后结合学生个体答题情况,进行数据运算,深度评测学生学习情况,知识、能力与思维三个层面的个性化特征,同时自适应推荐解决方案。
结合学校考试使用的网上阅卷系统,可以给学校和老师提供学生、班级、年级、整校每次考试和作业训练后的知识掌握情况报告,促进教学改进。
以往家长因为远离课堂多年,对学生的家庭辅导有心无力,除了分数与排名,对孩子学习情况一无所知,只能关注学生学习态度,或者花钱去报辅导班。有了学生个性化学情报告,并且提供相应的线上资源和线下课程,让家长更有效介入家庭教育。
结合教辅图书等,可以帮助学生进行学习自查,快速找到知识薄弱点,同时根据自适应推荐的课程,高效率完成自我提升。
发明内容
一种基于数据分析对学生进行个性化分析,排查知识掌握情况,同时匹配与之相对应的训练题组、微课视频等资源与课程。其特点在于,包括了数据提取模块、数据加工与问题呈现模块、自适应解决方案生成模块。
(图1)。
(1)所述数据提取模块,适用于纸质和电子答题的作业或者试卷,数据提取方式结合网上阅卷系统或者手动录入。所述模块用于提取学生个性化学习数据,将日常作业和考试试卷贴上知识标签,进行结构化处理。知识标签的结构化处理按照知识点、能力与思维三个层级,知识标签包含了难度、区分度等指标,能力标签按照布鲁姆“教育目标分类”理论分为六个等级,思维标签分为逻辑思维、数形结合、空间想象、记忆能力、大数据量运算能力等。
连同学生个体答题情况结果一同获取进行数据加工与运算。
(图2)。
(2)所述数据加工与问题呈现模块,分为四大子模块:
A.单科分析子模块,对学生单科的知识点掌握情况进行关联关系的诊断,具体为在三级知识图谱知识点上对知识掌握程度的判断。特征在于三级知识图谱中知识点呈网状结构排列,上层单一知识点是下层多个知识点的组合与交织,单科分析时需考虑知识点在网状结构上的关联关系。
我们需要对学生单人成绩进行重构。学生单人成绩如果按照试卷原本的试题模式来进行,计算机系统很难进行数理化的统计,而将试题按照知识点重构以后,试题可以分解成如下的结构:
数学试卷第23题 总共10分
包含知识点1:等边三角形,满分5分,某学生得分:3.5分
包含知识点2:三角形的中线、高线及角平分线,满分5分,某学生得分: 4分
由此可以得到此学生在此题“等边三角形”知识点的得分率为:3.5/5=70%,此学生在此题“三角形的中线、高线及角平分线”知识点的得分率为: 4/5=80% 。如果试卷中别的题目中没有相同知识点,则这两个比例就是此学生在这两个知识点的知识掌握程度。通过这样将学生单人在某次考试中的成绩进行重构,将学生成绩从知识点维度进行重构,就可以清晰地对每个学生在考试中的个体化差异量化地地反映出来。
重构以后学生成绩符合下面的等式:
Σ学生各题得分=Σ学生各知识点得分=学生考试成绩
B.多科耦合子模块,对学生多科偏科程度进行分析,去除赋分不均、难度不同、文理科差异等干扰因素,将知识掌握度转化为百分比分数进行比对。
C.学习轨迹子模块,对进退步情况的判断,利用试卷题目之间同一考点难度不同层次不同的属性,排除随机性认知误差等因素进行结果判定。
对排除随机性认知误差是按照命题考察点结合学生答题情况进行分析,特征在于如果大题、难题、压轴题中包含了相对应知识点的基础概念、基本原理等,并且需要综合运用,而学生考察结果达标,并且出现两次以上,那么学生在同一次测试中该知识点的基本概念和基本原理认定为达标,如果在单一知识点考察中出现失误,判定为随机性认知误差。
潜力测量表用来明确标记该学生在本科目中有欠缺知识点的提升空间。其中的分数计算关系如下:
单点得分率=单知识点得分/单知识点满分。
差值(得分小于均分)=该点均分-该点得分
差值(得分大于等于均分)=该点满分-该点得分
潜力提升空间数值=单点得分率*差值
可达分=卷面得分+潜力提升空间数值之和
潜力测量表对于鼓励式的教学是有很大帮助的,对于学生制定阶段性的学习计划,能起到较好的帮助作用。
D.中高考预判子模块,对学生出现的问题进行终结性考试的预判与预警。以上四点均呈现在学情分析报告内。特征在于结合多年中考高考中对知识难易度的要求和真题分析,得出考点价值分,由此对照测试样本中的知识点,得出对比结果。
中(高)考对比曲线的数值为统计数值。有以下计算存在:
中(高)考线数据线=试卷中包含的各中(高)考知识点考试价值
学生数据线=学生本次考试该知识点得分率×该中(高)考知识点考试价值
中高考考点价值来源于对中高考试卷的分析。在对当年中高考试卷进行分析后,解析课程标准和教学内容,将考试范围内的考查内容散点化,按照知识点进行分解。有如下等式存在:
∑中高考试卷中各知识点分数= ∑中高考试卷中各题分数=中高考试卷总分
由于当年中高考试卷是无法有效覆盖教学大纲的所有内容的,因此需要采用多年的中高考试卷来进行累计,才能得到覆盖所有知识点的常数模型数据。有如下计算方式存在:
其中,n为年份数。
当计算出来的某知识点中高考价值为0时,说明该知识点可能尚未在中高考试卷中出现,需要采用临近知识点的最小数值进行替代,以便对统计数据进行精确度的修正。
(3)自适应解决方案生成模块,分为线上资源与线下课程两大子模块。线上资源包括训练题组与推荐微课视频,均根据学情分析报告中发现的问题进行个性化定制推送,此处需要调用知识点难易排序和三级知识图谱中知识点之间包含关系,线下课程呈现为模块化课程,包含对应到三级知识图谱中每个知识点的授课笔记、易错题、重难点讲解,特征是具备可分层教学的属性。
推荐方案判定逻辑为课本中基础知识点与中高考高频知识点优先推荐,下级知识点出错数量多的需要上级知识点整体学习。
其中个性化训练题推荐所需要的题库,内部是按照题组排列,提组分类依据三级知识图谱。每个题组包含多道训练题,按照题型和难度排列。
其中微课视频推荐:
A.对于商业性的视屏课程积累,我们需要在录入这些视频资料时,对其进行“打标签”的操作,将视频所包含的知识点,对照学情分析系统的知识点标记出来,作为该视频的备用属性。以便程序进行查找。
B.对欠佳知识点进行循环,依次去视频课程积累数据库中寻找对应的视屏,按照时间顺序倒序排列。需要注意的是由于学生个体差异,如果让每个知识点的匹配视频在每个学生查找过程中都是一样的会出现兼容程度不足的情况,因为视频在“打标签”的过程中不一定是完全准确的。为了增强匹配性,则必须将第一次寻找的匹配率控制在80%~90%。也就是说10%~20%的视频实际上不是跟我本次欠缺知识点是相关的。这样,个性化从差异会得到部分增强。
C.对一般知识点进行循环,依次去视频课程积累数据库中寻找对应的视屏,按照时间顺序倒序排列。需要注意的是由于学生个体差异,如果让每个知识点的匹配视频在每个学生查找过程中都是一样的会出现兼容程度不足的情况,因为视频在“打标签”的过程中不一定是完全准确的。为了增强匹配性,则必须将第一次寻找的匹配率控制在80%~90%。也就是说10%~20%的视频实际上不是跟我本次欠缺知识点是相关的。这样,个性化从差异会得到部分增强。
D.对所有查找到的视屏进行列表化,按照时间倒序推荐给用户
技术应用场景
(1)学校组织考试,命题老师为每道题按照本发明包含的知识标签体系为每道题打上知识标签,正常使用网上阅卷系统进行考试。阅卷完成后将网上阅卷系统后台原始Excel文件直接导入本系统,即可生成每个孩子的个性化学情报告,还有覆盖班级、年级、整校的群体学情分析报告。
(2)本系统可应用与教辅图书。出版方提前将稿件按照本发明包含的知识标签体系为每道题打上知识标签,为每个训练单元生成唯一的二维码,正常印刷发行。学生需要自查时,扫描二维码录入个体答题结果,生成学情分析报告和自适应解决方案。
附图说明
图1是本系统各模块结构图;
图2是本系统数据提取模块的流程图;
图3是本系统与教辅图书结合的流程图。
具体实施方案
(1)学校组织考试,命题老师为每道题按照本发明包含的知识标签体系为每道题打上知识标签,正常使用网上阅卷系统进行考试。阅卷完成后将网上阅卷系统后台原始Excel文件直接导入本系统,即可生成每个孩子的个性化学情报告,还有覆盖班级、年级、整校的群体学情分析报告。
(2)本系统可应用与教辅图书。出版方提前将稿件按照本发明包含的知识标签体系为每道题打上知识标签,为每个训练单元生成唯一的二维码,正常印刷发行。学生需要自查时,扫描二维码录入个体答题结果,生成学情分析报告和自适应解决方案。
Claims (7)
1.一种基于数据分析对学生进行个性化分析,排查知识掌握情况,同时匹配与之相对应的训练卷、微课视频等资源与课程,其特点在于,包括了数据提取模块、数据加工与问题呈现模块、自适应解决方案生成模块。
2.根据权利要求1所述的数据提取模块,其特征在于按照知识点、能力与思维三个层级通过知识标签进行结构化处理,知识标签包含了难度、区分度等指标,能力标签按照布鲁姆“教育目标分类”理论分为六个等级,思维标签分为逻辑思维、数形结合、空间想象、记忆能力、大数据量运算能力等。
3.根据权利要求1所述数据加工与问题呈现模块中单科分析子模块,特征在于三级知识图谱中知识点呈网状结构排列,上层单一知识点是下层多个知识点的组合与交织,单科分析时需考虑知识点在网状结构上的关联关系。
4.根据权利要求1所述数据加工与问题呈现模块中学习轨迹子模块,对排除随机性认知误差是按照命题考察点结合学生答题情况进行分析,特征在于如果大题、难题、压轴题中包含了相对应知识点的基础概念、基本原理等,并且需要综合运用,而学生考察结果达标,并且出现两次以上,那么学生在同一次测试中该知识点的基本概念和基本原理认定为达标,如果在单一知识点考察中出现失误,判定为随机性认知误差。
5.根据权利要求1所述数据加工与问题呈现模块中中高考预判,特征在于结合多年中考高考中对知识难易度的要求和真题分析,得出考点价值分,由此对照测试样本中的知识点,得出对比结果。
6.根据权利要求1所述自适应解决方案生成模块,推荐方案判定逻辑为课本中基础知识点与中高考高频知识点优先推荐,下级知识点出错数量多的需要上级知识点整体学习。
7.根据权利要求6所述自适应解决方案生成模块,其中个性化训练题推荐所需要的题库,内部是按照题组排列,提组分类依据三级知识图谱,每个题组包含多道训练题,按照题型和难度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611035075.9A CN108090852A (zh) | 2016-11-23 | 2016-11-23 | 基础教育中学情数据分析及自适应解决方案生成系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611035075.9A CN108090852A (zh) | 2016-11-23 | 2016-11-23 | 基础教育中学情数据分析及自适应解决方案生成系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108090852A true CN108090852A (zh) | 2018-05-29 |
Family
ID=62169061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611035075.9A Pending CN108090852A (zh) | 2016-11-23 | 2016-11-23 | 基础教育中学情数据分析及自适应解决方案生成系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090852A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109165341A (zh) * | 2018-07-25 | 2019-01-08 | 深圳市异度信息产业有限公司 | 一种学习资源推送的方法及装置 |
CN110379233A (zh) * | 2019-05-29 | 2019-10-25 | 昆明纯全教育信息咨询有限公司 | 微视频教学方法、装置、计算机可读存储介质及家长持有的终端设备 |
CN110718105A (zh) * | 2019-10-10 | 2020-01-21 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
CN111858964A (zh) * | 2020-07-30 | 2020-10-30 | 浙江萃文科技有限公司 | 一种基于知识图谱的三维智能定位方法 |
CN112885172A (zh) * | 2021-04-28 | 2021-06-01 | 北京合众美华教育投资有限公司 | 一种网络教学方法及系统 |
-
2016
- 2016-11-23 CN CN201611035075.9A patent/CN108090852A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109165341A (zh) * | 2018-07-25 | 2019-01-08 | 深圳市异度信息产业有限公司 | 一种学习资源推送的方法及装置 |
CN110379233A (zh) * | 2019-05-29 | 2019-10-25 | 昆明纯全教育信息咨询有限公司 | 微视频教学方法、装置、计算机可读存储介质及家长持有的终端设备 |
CN110718105A (zh) * | 2019-10-10 | 2020-01-21 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
CN111858964A (zh) * | 2020-07-30 | 2020-10-30 | 浙江萃文科技有限公司 | 一种基于知识图谱的三维智能定位方法 |
CN112885172A (zh) * | 2021-04-28 | 2021-06-01 | 北京合众美华教育投资有限公司 | 一种网络教学方法及系统 |
CN112885172B (zh) * | 2021-04-28 | 2021-08-06 | 北京合众美华教育投资有限公司 | 一种网络教学方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nimehchisalem | Exploring research methods in language learning-teaching studies | |
CN103942994B (zh) | 一种主观性试题的计算机考核方法 | |
CN108090852A (zh) | 基础教育中学情数据分析及自适应解决方案生成系统 | |
CN107230174A (zh) | 一种基于网络的在线互动学习系统和方法 | |
Göhner et al. | Preservice science teachers’ strategies in scientific reasoning: the case of modeling | |
CN108446768A (zh) | 一种学生建模的方法和装置 | |
CN108763588A (zh) | 一种知识点量化分析方法及装置 | |
Göçer | The assessment of Turkish written examination questions based on the text in accordance with the Barrett’s taxonomy | |
CN106096068A (zh) | 在线教学测评网站系统 | |
Wong et al. | A study of mathematics written assessment in Singapore secondary schools | |
Ülger et al. | Matematik öğrenme-öğretme sürecinde matematik okuryazarlığına odaklanan makalelerin tematik analizi | |
Cunningham-Nelson et al. | Text analysis in education: a review of selected software packages with an application for analysing students’ conceptual understanding | |
CN103871275A (zh) | 学力诊断药方辅助教学系统 | |
Ülger et al. | Thematic analysis of articles focusing on mathematical literacy in mathematics teaching-learning process | |
Richmond et al. | The development of a conceptual framework and tools to assess undergraduates' principled use of models in cellular biology | |
Celik et al. | Analysis of Van Hiele Geometric Thinking Levels Studies in Turkey: A Meta-Synthesis Study. | |
Abdelsamea et al. | Factor Structure and Reliability of the Arabic Version of the Learning and Study Strategies Inventory: (LASSI-II). | |
Mamcenko et al. | Analysis of e-exam data using data mining techniques | |
Kusmana et al. | An English Reading Material Analysis Through Microlearning and Critical Thinking Skill Views | |
Gezer et al. | AN EVALUATION OF THE EXAM QUESTIONS OF SOCIAL STUDIES COURSE ACCORDING TO REVIZED BLOOM'S TAXONOMY. | |
Bernard et al. | Integrating research into instructional practice: The use and abuse of meta-analysis | |
Sangam | Conceptual learning of fundamentals in electric circuits: Student misconceptions, textbooks, and multi-perspective conceptual change | |
Aydın | Assessing tenth grade students’ difficulties about kinematics graphs by a three-tier test | |
Siagian et al. | The Effect of Problem-Based Learning (PBL) on Improving Students' Mathematical Ability: Meta-Analysis | |
Ali et al. | Taking Stock of Concept Inventories in Computing Education: A Systematic Literature Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180529 |